目前，该行业已经发布了一些关于人工智能巨大能源需求的可怕警告，称其为气候变化的下一个重大威胁，但是新芯片技术，甚至人工智能本身，都可能有助于控制人工智能的功耗。 。在最近于旧金山举行的会议上，半导体行业主要供应商应用材料公司首席执行官加里•迪克森做出了大胆的预测。他警告说，由于缺乏材料，芯片制造和设计方面的重大创新，到2025年，数据中心的人工智能业务可能占全球用电量的十分之一。如今，全球数百万个数据中心的用电量不到2个用电量的百分比-此统计信息包括在其庞大的服务器阵列上处理的各种工作负载。 Applied Materials估计，运行人工智能的服务器目前仅占全球用电量的0.1％。其他科技公司高管也发出了警告。华为的安德斯·安德拉（Anders Andrae）认为，到2025年，数据中心最终可能消耗全球电力的十分之一，但他的估计涵盖了数据中心的所有用途，而不仅仅是人工智能。落基山研究所的特别顾问乔纳森·库梅（Jonathan Koomey）相对乐观。他预测，尽管与人工智能相关的活动激增，但未来几年数据中心的能源消耗将保持相对稳定。这些差异很大的预测突出了围绕人工智能对大规模计算的未来影响以及对能源需求的最终影响的不确定性。毫无疑问，人工智能会消耗很多能量。训练和运行诸如深度学习模型之类的东西需要处理大量数据，这会消耗内存和处理器。人工智能研究组织OpenAI的一项研究表明，驱动大型人工智能模型所需的计算能力每三个半月增加了一倍。应用材料公司本身承认，其预测是最坏的情况，旨在强调可能由于软件和硬件缺乏新思维而导致的情况。该公司企业战略和市场情报总监Sundeep Bajikar表示，该公司假设随着时间的推移，用于训练人工智能模型的信息组合将发生变化，而不是文本和音频，视频和其他图像的比例会升起来。可视数据的计算量更大，因此需要消耗更多的能量。随着自动驾驶汽车和嵌入其他智能设备的传感器等设备的兴起，人工智能模型将不得不处理更多信息。超高速5G无线连接的普及将使在数据中心之间传输数据变得更加容易。 Bajikar指出，这些趋势和其他趋势凸显了该行业迫切需要将材料和制造技术的创新带入人工智能时代。一些研究人员认为，人工智能的巨大功耗甚至可能成为一个主要的环境问题：马萨诸塞州大学阿默斯特分校的一个研究小组发表的一项最新研究表明，对几种流行的大型人工智能进行训练会导致汽车模型产生的尾气排放。是美国汽车使用寿命内平均排放量的近五倍。但是悲观的预测忽略了可能限制人工智能功耗的几个重要发展。其中之一是“超大规模”市场的兴起。 Facebook和Amazon等公司开创的数据中心。此类数据中心使用大量为特定任务定制的基本服务器阵列。这些机器比传统数据中心中的服务器更节能，因为后者需要处理更广泛的功能。当前向超大型数据中心的过渡，以及冷却和其他技术的进步，是过去几年新数据中心的能耗在很大程度上被运营效率提高所抵消的重要原因。新的微芯片也将有所帮助。应用材料预测假设人工智能工作负载将继续在现有硬件上运行，并且这些硬件的效率在未来几年内将逐渐提高。但是，许多初创企业以及英特尔和AMD等大型公司正在开发使用光子学和其他技术的半导体，并大大提高了能效以驱动神经网络和其他人工智能工具。库米说，警报者的预测也遗漏了一点：对于某些类型的人工智能任务，